[서평 작성] AI 에이전트 마스터 클래스
안녕하세요. 정리하는 개발자 워니즈입니다. 최근 AI 에이전트에 대한 관심이 급격히 높아지면서, 단순히 LLM을 호출하는 것을 넘어 “스스로 판단하고 행동하는 AI”를 만드는 것이 개발자들의 핵심 과제가 되고 있는데요. 이번에는 AI 에이전트 마스터 클래스라는 책에 대해서 서평을 해보려고 합니다.
이 책은 랭체인(LangChain)과 MCP(Model Context Protocol)를 중심으로 에이전트 구축의 전 과정을 다루고 있습니다. 처음 목차를 펼쳤을 때 “이거 꽤 체계적이다”라는 인상을 받았는데, 단순한 API 호출 튜토리얼이 아니라 AI 에이전트라는 개념이 왜 등장했고, 어떤 구조로 동작하며, 어떻게 실전 서비스로 만들 수 있는지를 하나의 흐름으로 엮어놓았기 때문입니다.
그러면 본격적으로 각 단원별 내용을 정리하고 서평하도록 하겠습니다.
목차
PART 1 — 랭체인 기초와 LCEL로 시작하는 LLM 서비스 개발
- CHAPTER 1. AI에서 AI 에이전트로의 진화
- CHAPTER 2. LLM 서비스 개발을 위한 프레임워크, LangChain
- CHAPTER 3. 체인을 구현하는 기초 문법, LCEL
- CHAPTER 4. 체인의 구조를 고도화하기, Runnable
- CHAPTER 5. GPT에게 기억력을 심어주자, Memory
- CHAPTER 6. 랭체인 챗봇을 서비스로 구현하기, Streamlit
PART 2 — 에이전트와 MCP로 실전 서비스 구축
- CHAPTER 7. 스스로 판단하고 행동하는 AI 요원, Agent
- CHAPTER 8. 에이전트에게 지식 선물하기, RAG
- CHAPTER 9. 에이전트와의 대화 상태 유지하기, CheckPointer
- CHAPTER 10. 도구의 표준화, MCP
- CHAPTER 11. 똑똑한 와인 소믈리에 챗봇 만들기, Project
챕터별 간단 서평
[PART 1 랭체인 기초와 LCEL로 시작하는 LLM 서비스 개발]
CHAPTER 1 – AI에서 AI 에이전트로의 진화
책의 출발점이 되는 챕터입니다. AI가 단순 질의응답을 넘어 “스스로 판단하고 행동하는” 에이전트로 어떻게 진화하고 있는지를 설명합니다. 여기서 저자가 강조하는 개념이 PoC(개념 증명)에서 PoV(가치 증명)로의 전환인데, 기술 데모에 머무르지 않고 실제 비즈니스 가치를 만들어내는 서비스를 지향하겠다는 선언이 인상적이었습니다. 이 관점이 책 전체를 관통하고 있어서 단순 코딩 교재가 아닌 서비스 개발 가이드라는 성격이 처음부터 분명하게 드러납니다.
한 줄 요약: “PoC에서 PoV로” — 기술 데모를 넘어 비즈니스 가치를 만드는 에이전트 개발의 출발점입니다.
CHAPTER 2 – LLM 서비스 개발을 위한 프레임워크, LangChain
LangChain이 무엇이고 왜 필요한지를 설명합니다. LLM을 직접 호출하는 것과 프레임워크를 통해 호출하는 것의 차이, LangChain 생태계의 구성 요소를 정리해주는데, 프레임워크의 존재 이유를 먼저 이해시키고 나서 코드로 들어가기 때문에 “왜 이걸 쓰는 건지” 의문 없이 다음 챕터로 넘어갈 수 있습니다.
한 줄 요약: LangChain의 필요성과 생태계를 “왜?”라는 관점에서 먼저 짚어줍니다.
CHAPTER 3 – 체인을 구현하는 기초 문법, LCEL
LangChain의 핵심 문법인 LCEL(LangChain Expression Language)을 본격적으로 다룹니다. 프롬프트 → 모델 → 출력 파서를 파이프(|) 연산자로 연결하는 방식이 생각보다 직관적이어서, 코드를 따라 치다 보면 자연스럽게 감이 잡혔습니다. PromptTemplate, ChatPromptTemplate, 그리고 다양한 출력 파서를 조합하는 과정이 단계적으로 잘 설명되어 있습니다.
한 줄 요약: 파이프 연산자 기반의 직관적인 LCEL 문법으로 체인 구성의 기초를 익힙니다.
CHAPTER 4 – 체인의 구조를 고도화하기, Runnable
기본 체인을 더 유연하게 만드는 법을 배웁니다. RunnableParallel로 여러 작업을 병렬 처리하고, RunnableLambda로 커스텀 로직을 끼워넣고, RunnablePassthrough로 입력을 그대로 전달하는 패턴을 다루는데, 실무에서 복잡한 파이프라인을 구성할 때 바로 쓸 수 있는 실용적인 내용이었습니다.
한 줄 요약: 병렬 처리, 커스텀 로직 삽입 등 실무 파이프라인 구성의 핵심 패턴을 익힙니다.
CHAPTER 5 – GPT에게 기억력을 심어주자, Memory
LLM은 기본적으로 상태를 기억하지 못합니다. 이 챕터에서는 ChatMessageHistory, MessagesPlaceholder, RunnableWithMessageHistory를 활용해 대화 기록을 관리하는 방법을 다룹니다. 단순히 이전 대화를 전부 넘기는 것부터, 토큰 절약을 위해 요약해서 넘기는 전략까지 실용적인 내용이 담겨 있어 실제 서비스 개발 시 참고할 부분이 많았습니다.
한 줄 요약: 대화 기록 관리부터 토큰 절약 전략까지, LLM에 “기억력”을 부여하는 방법을 다룹니다.
CHAPTER 6 – 랭체인 챗봇을 서비스로 구현하기, Streamlit
1부의 마무리 챕터로, 지금까지 만든 LangChain 체인을 Streamlit 웹 앱으로 감싸서 실제 동작하는 챗봇 서비스를 완성합니다. 터미널에서만 돌리던 코드가 브라우저에서 돌아가는 걸 보면 성취감이 꽤 있습니다. 1부만으로도 “LangChain 입문서”로서 충분한 가치가 있다고 느꼈습니다.
한 줄 요약: 코드에서 서비스로 — Streamlit을 통해 실제 동작하는 챗봇을 완성합니다.
[PART 2 에이전트와 MCP로 실전 서비스 구축]
2부가 이 책의 본론입니다.
CHAPTER 7 – 스스로 판단하고 행동하는 AI 요원, Agent
에이전트의 개념을 정의하고, 도구(Tool)를 직접 만드는 것부터 시작합니다. 가장 인상적인 부분은 ReAct(Reasoning + Acting) 패턴의 설명이었습니다. 에이전트가 단순히 도구를 호출하는 게 아니라, “왜 이 도구를 선택했는지” 추론 과정을 명시적으로 표현하고, 결과를 해석해서 최종 답변을 재구성하는 과정을 실제 코드에서 눈으로 확인할 수 있어서 에이전트의 동작 원리를 직관적으로 이해할 수 있었습니다.
한 줄 요약: ReAct 패턴을 통해 “추론 → 행동 → 관찰” 사이클의 핵심을 코드로 체험합니다.
CHAPTER 8 – 에이전트에게 지식 선물하기, RAG
RAG(Retrieval-Augmented Generation)의 전체 파이프라인을 다룹니다. 임베딩, Chroma 벡터 저장소, 메타데이터 필터링, MMR 검색까지 꼼꼼하게 짚어주는데, 특히 이 지식 검색 시스템을 에이전트의 도구로 통합해서 에이전트가 필요할 때 스스로 RAG를 호출하는 구조를 만드는 부분이 실무적으로 유용했습니다.
한 줄 요약: RAG 파이프라인을 에이전트의 도구로 통합하는 실전 구현을 경험합니다.
CHAPTER 9 – 에이전트와의 대화 상태 유지하기, CheckPointer
랭그래프(LangGraph)의 체크포인터로 대화 상태를 영속화하는 방법을 다룹니다. “왜 체인이 아니라 그래프인가?”라는 질문에서 출발하는 구성이 좋았고, InMemorySaver와 SqliteSaver의 차이, SummarizationMiddleware를 활용한 장기 대화 토큰 절약 전략까지 다루고 있어서, 실제 서비스에서 대화 이력 관리가 필수인 만큼 반가운 내용이었습니다.
한 줄 요약: 체인에서 그래프로 — 대화 상태 영속화와 장기 대화 관리 전략을 배웁니다.
CHAPTER 10 – 도구의 표준화, MCP
개인적으로 이 책에서 가장 차별화된 챕터라고 생각합니다. MCP(Model Context Protocol)는 에이전트와 외부 도구의 연결을 표준화하는 프로토콜인데, 아직 국내에서 이를 실습 수준으로 다루는 교재가 거의 없습니다. MCP가 왜 필요한지(도구마다 연결 방식이 제각각인 문제), FastMCP로 서버를 직접 만드는 방법, 외부 MCP 서버를 에이전트에 연결하는 전 과정을 실습할 수 있어서, 이 챕터만으로도 책의 값어치를 한다고 느꼈습니다.
한 줄 요약: 국내 교재에서 보기 드문 MCP 실습 — 도구 연결 표준화의 가치를 체감합니다.
CHAPTER 11 – 똑똑한 와인 소믈리에 챗봇 만들기, Project
앞서 배운 모든 기술을 종합하는 최종 프로젝트입니다. 서비스 기획에서 출발해 아키텍처 설계 → Streamlit UI 구성 → 에이전트 설계 → RAG 구축 → MCP 서버 통합까지, 실제 서비스 개발의 전체 흐름을 처음부터 끝까지 따라가볼 수 있습니다. 단편적인 코드 조각이 아니라 하나의 완결된 서비스를 만드는 경험이라, 앞 챕터들에서 배운 개념이 어떻게 맞물리는지 전체 그림이 그려지는 챕터입니다.
한 줄 요약: 기획부터 배포까지 — 모든 기술을 통합한 실전 서비스 구축 경험을 제공합니다.
서평
누가 읽으면 좋은가
- 파이썬 기초는 있지만 LLM 서비스 구축은 처음인 개발자
- 기존 랭체인 0.x 사용자로 1.0 마이그레이션이 필요한 개발자
- AI 에이전트/RAG/MCP를 실무에 도입하려는 팀
- AI 기술의 구조를 파악해야 하는 기술 리더
특히 에이전트 아키텍처가 어떤 논리로 동작하는지, ReAct 패턴이 무엇인지, MCP가 왜 필요한지를 코드와 함께 이해하고 싶은 분들에게 적합합니다.
책의 주요 장점
- LangChain 1.0 기반의 최신성
- 시중 랭체인 교재 중 상당수가 0.x 버전 기준이라 코드가 동작하지 않는 경우가 많은데, 이 책은 최신 1.0 기준으로 집필되어 “코드가 안 돌아가는” 좌절 없이 학습할 수 있습니다.
- “왜”를 설명해주는 구조
- 텍스트가 어떻게 벡터 데이터로 변환되는지, 에이전트가 어떤 근거로 도구를 선택하는지, 잘못된 추론은 어떻게 수정되는지를 파헤칩니다. 코드만 복붙하는 게 아니라 원리를 이해하고 싶은 개발자에게 맞는 방식입니다.
- 체계적인 학습 경로
- “랭체인 기초 → LCEL → Runnable → Memory → 서비스화 → 에이전트 → RAG → 상태 관리 → MCP → 실전 프로젝트”라는 흐름이 논리적이어서, 순서대로 읽어나가면 자연스럽게 지식이 누적됩니다.
- MCP 챕터의 실용성과 희소성
- 국내에서 MCP를 체계적으로 다루는 교재가 거의 없는 상황에서, FastMCP로 서버를 만들고 에이전트에 연결하는 전 과정을 실습할 수 있다는 점은 확실한 차별점입니다.
아쉬운 점 / 보완할 부분
- 파이썬 기초 지식 전제
LangChain과 에이전트 개념에 집중하다 보니, 파이썬 프로그래밍 자체에 대한 설명은 최소화되어 있습니다. 파이썬이 완전히 처음인 독자에게는 진입 장벽이 있을 수 있습니다.
- LangGraph의 깊이 있는 활용 부족
체크포인터 챕터에서 LangGraph를 소개하지만, 노드/엣지 기반의 복잡한 워크플로우 설계까지는 다루지 않습니다. 멀티 에이전트 오케스트레이션이나 조건부 분기 같은 고급 패턴은 별도 학습이 필요합니다.
- 빠르게 변하는 기술 트렌드와의 시차
AI 분야의 빠른 진화로, 출간 이후 등장한 최신 모델이나 프레임워크 변경 사항은 반영되지 않을 수 있습니다. 다만 이 책에서 배운 원리와 설계 관점은 기술이 변해도 유효할 것으로 보입니다.
총평
AI 에이전트 마스터 클래스는 AI 에이전트 개발이라는 큰 주제를 “랭체인 기초 → 에이전트 → RAG → MCP → 실전 프로젝트”라는 명확한 학습 경로로 정리한 책입니다. 340페이지라는 분량 안에 LangChain 1.0의 핵심 문법부터 MCP라는 최신 프로토콜까지 담아냈다는 것 자체가 상당한 밀도입니다.
저자가 강조하는 “PoC에서 PoV로”라는 관점이 읽는 내내 느껴졌고, 최종 프로젝트인 와인 소믈리에 챗봇도 이 관점에서 기획 단계부터 설계되어 있어서 “학습용 코드”가 아닌 “서비스”를 만드는 감각을 익힐 수 있었습니다.
AI 에이전트 시대에 첫 발을 내딛고 싶다면, 그리고 단순한 코드 따라하기가 아니라 원리부터 이해하고 싶다면, 이 책이 좋은 길잡이가 되어줄 것이라고 생각합니다.
본 포스팅은 “한빛미디어 <나는 리뷰어다> 활동을 위해서 책을 제공받아 작성된 서평입니다“
